Runwayは Praxis-1を発表した。同社によれば、このロボット制御ポリシーは、世界モデル向けに開発してきた大規模な動画事前学習を基盤としている。選定されたロボット企業のパートナーが、自社の機体で試験しているという。モデルのウェイトは今後数カ月以内に公開する予定だが、BIG CHANGEが10月3日に確認した時点では、発表ページから入手できなかった。Runwayはページの日付を2026年9月としており、具体的な日は示していない。

背景にある問いは、日常的な動画からロボットの実演を学習する前に、ロボット制御ポリシーが役立つ知識を得られるかどうかだ。Runwayは配置誤差の比較と、選んだタスクの動画を提示している。結果を再現するために必要な詳細は、まだ公表されていない。

大きな変化

  • 何が変わったか： Runwayは動画事前学習をロボットの動作予測へ応用し、複数種類のパートナー機体での試験結果を報告している。ロボットの実演データは収集コストが高いため、第三者視点の豊富な映像を活用できる可能性がある。ただし、Praxis-1が使えるのは選定された利用者に限られる。
  • なぜ重要か： Runwayのグラフでは、微調整後の最終配置誤差はウェブ動画による事前学習で16.1 cm、遠隔操作ロボット動画による事前学習で16.0 cmとされている。表示された点推定値は近い。93組の評価データに対する±1 SEMの誤差範囲からは、統計的な差も同等性も確認できない。また、公表された手順の詳細が限られているため、別のロボットでの性能を判断することもできない。
  • 今後の注目点： ウェイトの一般公開、タスク単位の評価詳細、パートナー各社の結果が明らかになれば、動画による事前学習がどの程度寄与するのか、また機体ごとにどのような適応が必要かを研究者が評価できる。Runwayはウェイトの公開を約束しているが、具体的な時期は示していない。

動画をポリシーに取り込む方法

Runwayの Praxis-1研究ページ では、同社の大規模動画モデルは物体の動き、手の動き、物理的なタスクのパターンを学習すると説明している。Praxis-1では、その事前学習を汎用ロボット制御ポリシーに応用したという。同社の主張は、第三者視点の映像が、タスク固有のロボット学習に入る前の有用な出発点になり得るというものだ。同ページは、第三者視点の動画を増やすほどポリシーの性能が向上するとしている。

同ページには、Praxis-1の観測形式、出力する動作、微調整手順、推論用インターフェース、制御頻度の説明がない。ウェイトファイルや必要なハードウェアも示されていない。特定のカメラ、グリッパー、移動台車にどの程度の適応が必要か見積もりたい技術者にとって、これらは重要な未公表情報だ。Runwayには 別のGWM-1ポリシーモデル製品ページ があり、個別の微調整やクラウドSDKの提供形態を説明している。しかし、Praxis-1にも同じインターフェースや商用条件が適用されるとは限らない。

Runwayの動画には、テニスボールを指定位置に置く指示、移動台車が棚に近づいて本を持ち上げる動作、同じ物体が複数ある場合や散らかった環境、透明な素材、布を扱う例が含まれる。さらに、再学習なしに同じポリシーがスタジオとキッチンの間で動作すると説明する動画もある。これらは開発元が選んだ事例であり、ページには試行回数や成功率は記載されていない。

配置誤差のグラフが示すもの

Runwayのページにある唯一の数値比較は 微調整後の最終配置誤差で、単位はセンチメートル、値が小さいほど良い。グラフでは、ウェブ動画によるゼロからの事前学習が 16.1 cm 、遠隔操作ロボット動画によるゼロからの事前学習が 16.0 cmと示されている。Runwayは事前学習動画の時間数をプロットし、誤差範囲と帯は 93組の評価データにおける平均値の標準誤差±1を表すとしている。注記では、誤差範囲より小さい差は有意ではないとしている。

表示された点推定値の差は0.1 cmだ。このページでは、タスクの内訳、ロボットや環境の数、93組の構成方法、微調整に使ったロボットデータの量、完全な統計検定結果は公表されていない。Runwayが選んで示した比較では、微調整後の最終配置誤差の点推定値は近い。このグラフは、その指標について統計的に有意な差や同等性を示すものではない。また、動画にある長いタスクを確実に完了できることや、実運用で必要なデータ量が減ることも示していない。

Runwayはさらに、シミュレーションと現実世界のロボットポリシーの結果との間に 0.95の相関 があったとしている。この数値は、 以前のポリシー評価研究から引用されている。同研究は、1台のFranka Pandaアームを使い、卓上タスクで8つのポリシーを順位付けしたものだ。ポリシー評価に関する別の研究であり、Praxis-1の現場性能を測ったものではない。

利用できる範囲

Runwayは、Praxis-1を自社のハードウェアで利用する初期パートナーとして Noble Machines、Standard Bots、Ultra を挙げている。発表ではこの節で、両手を使う操作、6自由度アーム、移動台車について説明している。Runwayは、一般提供に先立ち、複数のロボット形態や環境で有効性と安全性を評価中だと述べ、同社のロボットチームに連絡した追加の選定パートナーを募集している。

このプログラムに参加していない研究者が利用できる資料は、発表、グラフ、動画に限られる。ページにはPraxis-1の公開ウェイト、公開された統合手順、再現可能な評価パッケージへのリンクがない。利用料金、最終的なウェイトのライセンス、必要な計算資源、一般公開の日程も示されていない。早期アクセスを検討するチームは、公開情報を基に自社の機体や評価ニーズについて相談できるが、発表だけから報告された比較を再現することはできない。BIG CHANGEはアクセスを申請しておらず、ロボットでの試験も行っていない。

BIG CHANGEの過去の記事で取り上げた GPT-Policy と HomeBody は、それぞれ異なる研究課題を扱っている。GPT-Policyは、デモンストレーションとロボットのフィードバックを用いて、固定された視覚言語モデルに指示する。HomeBodyは、ヒューマノイドの室内空間の記憶を再利用可能なスキルに結び付ける。Praxis-1が問うのは、幅広い動画による事前学習でポリシー自体を改善できるかだ。Runwayは、発表された比較を超えて性能を確かめられるだけの実装や評価詳細を、まだ公開していない。

出典・参考資料